當(dāng)今幾乎絕大部分實(shí)用的編譯器/解釋器（以下統(tǒng)稱(chēng)編譯器）都是用C語(yǔ)言編寫(xiě)的。有一些語(yǔ)言比如Clojure，Jython等是基于JVM或者說(shuō)是用Java實(shí)現(xiàn)的，IronPython等是基于.NET實(shí)現(xiàn)的。 但是Java和C#等本身也要依靠C/C++來(lái)實(shí)現(xiàn)，等于是間接調(diào)用了C。所以衡量某種高級(jí)語(yǔ)言的可移植性其實(shí)就是在討論ANSI/ISO C的移植性。 C語(yǔ)言是很低級(jí)的語(yǔ)言，很多方面都近似于匯編語(yǔ)言，在《Intel 32位匯編語(yǔ)言程序設(shè)計(jì)》一書(shū)中，甚至介紹了手工把簡(jiǎn)單的C語(yǔ)言翻譯成匯編的方法。對(duì)于編譯器這種系統(tǒng)軟件，用C語(yǔ)言來(lái)編寫(xiě)是很自然不過(guò)的，即使是像Python這樣的高級(jí)語(yǔ)言依然在底層依賴于C語(yǔ)言。 舉Python的例子是因?yàn)镮ntel的黑客正在嘗試讓Python不需要操作系統(tǒng)就能運(yùn)行——實(shí)際上是免去了BIOS上的一次性C代碼。 現(xiàn)在的學(xué)生，學(xué)過(guò)編譯原理后，只要有點(diǎn)編程能力的都可以實(shí)現(xiàn)一個(gè)功能簡(jiǎn)單的類(lèi)C語(yǔ)言編譯器?？墒菃?wèn)題來(lái)了，不知道你有沒(méi)有想過(guò)，大家都用C語(yǔ)言或基于C語(yǔ)言的語(yǔ)言來(lái)寫(xiě)編譯器，那么世界上第一個(gè)C語(yǔ)言編譯器又是怎么編寫(xiě)的呢？這不是一個(gè)“雞和蛋”的問(wèn)題……

讓我們回顧一下C語(yǔ)言歷史：1970年Tomphson和Ritchie在BCPL（一種解釋型語(yǔ)言）的基礎(chǔ)上開(kāi)發(fā)了B語(yǔ)言，1973年又在B語(yǔ)言的基礎(chǔ)上成功開(kāi)發(fā)出了現(xiàn)在的C語(yǔ)言。

在C語(yǔ)言被用作系統(tǒng)編程語(yǔ)言之前，Tomphson也用過(guò)B語(yǔ)言編寫(xiě)過(guò)操作系統(tǒng)。可見(jiàn)在C語(yǔ)言實(shí)現(xiàn)以前，B語(yǔ)言已經(jīng)可以投入實(shí)用了。因此第一個(gè)C語(yǔ)言編譯器的原型完全可能是用B語(yǔ)言或者混合B語(yǔ)言與PDP匯編語(yǔ)言編寫(xiě)的。

可能有不少人知道，B語(yǔ)言的執(zhí)行效率比較低，但是如果全部用匯編語(yǔ)言來(lái)編寫(xiě)，不僅開(kāi)發(fā)周期長(zhǎng)、維護(hù)難度大，更可怕的是失去了高級(jí)程序設(shè)計(jì)語(yǔ)言必需的移植性。 給一張圖讓大家感受一下這的差別： ? 所以早期的C語(yǔ)言編譯器就采取了一個(gè)取巧的辦法：先用匯編語(yǔ)言編寫(xiě)一個(gè)C語(yǔ)言的一個(gè)子集的編譯器，再通過(guò)這個(gè)子集去遞推完成完整的C語(yǔ)言編譯器。?詳細(xì)的過(guò)程如下：

先創(chuàng)造一個(gè)只有C語(yǔ)言最基本功能的子集，記作C0語(yǔ)言，C0語(yǔ)言已經(jīng)足夠簡(jiǎn)單了，可以直接用匯編語(yǔ)言編寫(xiě)出C0的編譯器。依靠C0已有的功能，設(shè)計(jì)比C0復(fù)雜，但仍然不完整的C語(yǔ)言的又一個(gè)子集C1語(yǔ)言。

其中C0屬于C1，C1屬于C，用C0開(kāi)發(fā)出C1語(yǔ)言的編譯器。在C1的基礎(chǔ)上設(shè)計(jì)C語(yǔ)言的又一個(gè)子集C2語(yǔ)言，C2語(yǔ)言比C1復(fù)雜，但是仍然不是完整的C語(yǔ)言，開(kāi)發(fā)出C2語(yǔ)言的編譯器……如此直到CN，CN已經(jīng)足夠強(qiáng)大了，這時(shí)候就足夠開(kāi)發(fā)出完整的C語(yǔ)言編譯器的實(shí)現(xiàn)了。

至于這里的N是多少，這取決于你的目標(biāo)語(yǔ)言（這里是C語(yǔ)言）的復(fù)雜程度和程序員的編程能力——簡(jiǎn)單地說(shuō)，如果到了某個(gè)子集階段，可以很方便地利用現(xiàn)有功能實(shí)現(xiàn)C語(yǔ)言時(shí)，那么你就找到N了。

下面的圖說(shuō)明了這個(gè)抽象過(guò)程：

那么這種大膽的子集簡(jiǎn)化的方法，是怎么實(shí)現(xiàn)的，又有什么理論依據(jù)呢？
先介紹一個(gè)概念，“自編譯”Self-Compile，也就是對(duì)于某些具有明顯自舉性質(zhì)的強(qiáng)類(lèi)型（所謂強(qiáng)類(lèi)型就是程序中的每個(gè)變量必須聲明類(lèi)型后才能使用，比如C語(yǔ)言，相反有些腳本語(yǔ)言則根本沒(méi)有類(lèi)型這一說(shuō)法）編程語(yǔ)言，可以借助它們的一個(gè)有限小子集，通過(guò)有限次數(shù)的遞推來(lái)實(shí)現(xiàn)對(duì)它們自身的表述，這樣的語(yǔ)言有C、Pascal、Ada等等，至于為什么可以自編譯，可以參見(jiàn)清華大學(xué)出版社的《編譯原理》，書(shū)中實(shí)現(xiàn)了一個(gè)Pascal的子集的編譯器。 總之，已經(jīng)有計(jì)算機(jī)科學(xué)家證明了，C語(yǔ)言理論上是可以通過(guò)上面說(shuō)的CVM的方法實(shí)現(xiàn)完整的編譯器的，那么實(shí)際上是怎樣做到簡(jiǎn)化的呢？

這張圖是不是有點(diǎn)熟悉？對(duì)了就是在講虛擬機(jī)的時(shí)候見(jiàn)到過(guò)，不過(guò)這里是CVM（C Language Virtual Machine），每種語(yǔ)言都是在每個(gè)虛擬層上可以獨(dú)立實(shí)現(xiàn)編譯的，并且除了C語(yǔ)言外，每一層的輸出都將作為下一層的輸入（最后一層的輸出就是應(yīng)用程序了），這和滾雪球是一個(gè)道理。用手（匯編語(yǔ)言）把一小把雪結(jié)合在一起，一點(diǎn)點(diǎn)地滾下去就形成了一個(gè)大雪球，這大概就是所謂的0生1，1生C，C生萬(wàn)物吧？

下面是C99的關(guān)鍵字：

auto enum restrict unsigned

break extern return void

case float short volatile

char for signed while

const goto sizeof _Bool

continue if static _Complex

default inline struct _Imaginary

do int switch

double long typedef

else register union

//共37個(gè)

仔細(xì)看看，其實(shí)其中有很多關(guān)鍵字是為了幫助編譯器進(jìn)行優(yōu)化的，還有一些是用來(lái)限定變量、函數(shù)的作用域、鏈接性或者生存周期（函數(shù)沒(méi)有）的，這些在編譯器實(shí)現(xiàn)的早期根本不必加上，于是可以去掉auto, restrict, extern, volatile, const, sizeof, static, inline, register, typedef，這樣就形成了C的子集，C3語(yǔ)言，C3語(yǔ)言的關(guān)鍵字如下：

enum unsigned

break return void

case float short

char for signed while

goto _Bool

continue if _Complex

default struct _Imaginary

do int switch

double long

else union

//共27個(gè)

再想一想，發(fā)現(xiàn)C3中其實(shí)有很多類(lèi)型和類(lèi)型修飾符是沒(méi)有必要一次性都加上去的，比如三種整型，只要實(shí)現(xiàn)int就行了，因此進(jìn)一步去掉這些關(guān)鍵詞，它們是：unsigned, float, short, char(char 是 int), signed, _Bool, _Complex, _Imaginary, long，這樣就形成了我們的C2語(yǔ)言，C2語(yǔ)言關(guān)鍵字如下：

enum

break return void

case

for while

goto

continue if

default struct

do int switch

double

else union

//共18個(gè)

繼續(xù)思考，即使是只有18個(gè)關(guān)鍵字的C2語(yǔ)言，依然有很多高級(jí)的地方，比如基于基本數(shù)據(jù)類(lèi)型的復(fù)合數(shù)據(jù)結(jié)構(gòu)，另外我們的關(guān)鍵字表中是沒(méi)有寫(xiě)運(yùn)算符的，在C語(yǔ)言中的復(fù)合賦值運(yùn)算符->、運(yùn)算符的++、– 等過(guò)于靈活的表達(dá)方式此時(shí)也可以完全刪除掉，因此可以去掉的關(guān)鍵字有：enum, struct, union，這樣我們可以得到C1語(yǔ)言的關(guān)鍵字：

break return void

case

for while

goto

continue if

default

do int switch

double

else

//共15個(gè)

接近完美了，不過(guò)最后一步手筆自然要大一點(diǎn)。這個(gè)時(shí)候數(shù)組和指針也要去掉了，另外C1語(yǔ)言其實(shí)仍然有很大的冗雜度，比如控制循環(huán)和分支的都有多種表述方法，其實(shí)都可簡(jiǎn)化成一種，具體的來(lái)說(shuō)，循環(huán)語(yǔ)句有while循環(huán)，do…while循環(huán)和for循環(huán)，只需要保留while循環(huán)就夠了；分支語(yǔ)句又有if…{}, if…{}…else, if…{}…else if…, switch，這四種形式，它們都可以通過(guò)兩個(gè)以上的if…{}來(lái)實(shí)現(xiàn)，因此只需要保留if,…{}就夠了?？墒窃僖幌耄^的分支和循環(huán)不過(guò)是條件跳轉(zhuǎn)語(yǔ)句罷了，函數(shù)調(diào)用語(yǔ)句也不過(guò)是一個(gè)壓棧和跳轉(zhuǎn)語(yǔ)句罷了，因此只需要goto（未限制的goto）。因此大膽去掉所有結(jié)構(gòu)化關(guān)鍵字，連函數(shù)也沒(méi)有，得到的C0語(yǔ)言關(guān)鍵字如下：

break void

goto

int

double

//共5個(gè)

這已經(jīng)是簡(jiǎn)約的極致了。

只有5個(gè)關(guān)鍵字，已經(jīng)完全可以用匯編語(yǔ)言快速的實(shí)現(xiàn)了。通過(guò)逆向分析我們還原了第一個(gè)C語(yǔ)言編譯器的編寫(xiě)過(guò)程，也感受到了前輩科學(xué)家們的智慧和勤勞！我們都不過(guò)是巨人肩膀上的灰塵罷了！0生1，1生C，C生萬(wàn)物，實(shí)在巧妙！